Nachkalkulation von Gartenbau-Projekten automatisieren

Das echte Ausmaß des Problems

Der Garten- und Landschaftsbau ist eine Branche, die auf den ersten Blick gut dasteht: Der Bundesverband Garten-, Landschafts- und Sportplatzbau (BGL) meldete für 2024 einen Branchengesamtumsatz von 10,65 Milliarden Euro, mehr als je zuvor. 131.166 Beschäftigte, steigende Nachfrage, volle Auftragsbücher.

Gleichzeitig ist die Netto-Marge für viele mittelständische Betriebe chronisch zu niedrig. Typische Nettorenditen liegen laut BGL-Betriebsvergleich für GaLaBau-Unternehmen zwischen 3 und 8 Prozent, wobei ein erheblicher Teil unter 5 Prozent bleibt. In einer Branche mit hohem Lohnkostenanteil (laut Hortipendium ca. 30 Prozent des Umsatzes allein für Löhne) und volatilen Materialkosten ist das wenig Puffer.

Die Hauptursache kennen erfahrene Betriebsberater seit Jahren: Kalkulationsfehler werden nicht erkannt, weil niemand nachrechnet. Eine Beraterin aus dem GaLaBau-Controlling bringt es auf den Punkt: „Viele Betriebe kalkulieren sorgfältig, prüfen aber nie, ob es aufgegangen ist. Der Auftrag wird fertiggestellt, die Rechnung gestellt, der nächste Auftrag kommt, und niemand weiß, ob Projekt A profitabel war oder nicht.”

Das Ergebnis: Durch fehlende oder unvollständige Dokumentation verlieren GaLaBau-Betriebe nach Einschätzung von Branchenpraktikern 2–5 Prozent ihres Umsatzes, nicht durch schlechte Arbeit, sondern durch nicht erfasste Stunden, vergessene Materialpositionen und Nebenleistungen, die nie abgerechnet wurden. Bei einem Betrieb mit 800.000 Euro Jahresumsatz sind das 16.000 bis 40.000 Euro jährlich, die einfach verschwinden.

Besonders anfällig sind:

• Pflasterarbeiten und Terrassenumgestaltungen, Bodenarbeiten, Entwässerung und unerwarteter Bodenaushub werden regelmäßig unterschätzt
• Baumpflegearbeiten, Kletterarbeiten, Abtransport und Entsorgung sind schwer exakt vorzukalkulieren
• Winterdienst, Personalkosten bei extremen Wetterereignissen sprengen jede Kalkulation
• Pflanzarbeiten mit Sondermaterial, Preisschwankungen bei Baumschulware werden nicht konsequent nachverfolgt

Der Fachanwalt Rainer Schilling fasste das Dilemma in der Branchenzeitschrift NEUE LANDSCHAFT treffend zusammen: „Guter Auftrag, gute Preise, dennoch kein Gewinn.” Der juristische Rahmen spielt dabei eine Rolle, aber das eigentliche Problem sitzt in der Kalkulation selbst.

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Betriebe, die konsequent nachkalkulieren, verbessern ihre Marge typischerweise um 3–8 Prozentpunkte innerhalb eines Jahres (Erfahrungswert aus GaLaBau-Betriebsberatung, keine kontrollierte Studie).

Der Unterschied liegt nicht darin, was die KI rechnet, ein Soll-Ist-Vergleich ist keine Raketenwissenschaft. Der Unterschied liegt darin, dass er jetzt für alle Projekte automatisch passiert, nicht nur für die, bei denen sich das Büro die Zeit nimmt.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5)
Pro Projektnachkalkulation spart ein KI-gestütztes System 2–3 Stunden Büroarbeit. Bei einem Betrieb mit 40 Projekten im Jahr sind das 80–120 Stunden jährlich, real, aber nicht der größte Zeitgewinn im Vergleich zu Kundenkommunikation oder automatisierter Saisonplanung, die täglich wirken. Der Zeiteffekt entsteht außerdem erst, wenn alle Voraussetzungen (digitale Zeiterfassung je Auftrag, saubere ERP-Daten) erfüllt sind.

Kosteneinsparung, stark (4/5)
Die 3–8 Prozentpunkte Margenverbesserung, die Betriebe mit konsequenter Nachkalkulation typischerweise erzielen, sind real und direkt auf die Rentabilität durchschlagend. Bei 800.000 Euro Umsatz sind das 24.000 bis 64.000 Euro zusätzliches Ergebnis pro Jahr, deutlich mehr als die Kosten des Systems. Nicht ganz auf dem Niveau von direkten Beschaffungseinsparungen, aber substanziell.

Schnelle Umsetzung, niedrig (2/5)
Das ist die größte Einschränkung: Wer kein ERP-System hat oder nicht per Projekt Zeit erfasst, kann nicht einfach loslegen. Die Einführung dauert 8–14 Wochen für die technische Anbindung, und manchmal 3–6 Monate, bis die Datenbasis aussagekräftig ist. In dieser Kategorie ist das der zeitaufwendigste Einstieg im gesamten GaLaBau-Bereich. Das macht den Use Case nicht schlechter, aber er ist kein Vier-Wochen-Projekt.

ROI-Sicherheit, stark (4/5)
Der Nutzen ist direkt messbar: Du vergleichst die durchschnittliche Nettomarge vor und nach der systematischen Nachkalkulation, aufgeschlüsselt nach Auftragstypen. Anders als bei indirekten Effizienzgewinnen (Wissensmanagement, Kommunikation) siehst du hier eine klare Zahl. Die Einschränkung: Das setzt voraus, dass deine Zeiterfassung sauber und vollständig ist, ohne das ist der ROI nicht messbar, weil die Ausgangsdaten fehlen.

Skalierbarkeit, stark (4/5)
Jedes abgeschlossene Projekt liefert einen Datenpunkt mehr. Mit 20 Projekten liefert das System erste Muster. Mit 100 Projekten über mehrere Jahre sind die Erkenntnisse belastbar genug, um Stundenansätze systematisch zu korrigieren. Das System wird besser, ohne dass der Aufwand steigt. Einschränkung: Wer nur 10–15 Projekte pro Jahr abwickelt, sieht signifikante Muster erst nach 2–3 Jahren.

Richtwerte, stark abhängig von vorhandener ERP-Infrastruktur, Qualität der Zeiterfassung und Projektvolumen.

Was das System konkret macht

Aus technischer Sicht kombiniert eine KI-gestützte Nachkalkulation zwei Elemente: automatisierte Datenzusammenführung und Mustererkennung über Auftragstypen hinweg.

Schritt 1, Daten zusammenführen: Nach Projektabschluss zieht das System automatisch aus dem ERP die geplanten Stunden, Materialkosten und Fremdleistungen (Soll-Werte) sowie die tatsächlich gebuchten Zeiten, Lieferscheine und Subunternehmerrechnungen (Ist-Werte). Was früher ein manuelles Zusammensuchen aus drei Systemstellen war, passiert in Sekunden.

Schritt 2, Soll-Ist-Vergleich: Das System berechnet je Position (Erdarbeiten, Pflanzung, Pflaster, Bewässerung, Gehölzschnitt usw.) die Abweichung zwischen Kalkulation und Realität. Statt eines Gesamtblicks auf ein Projekt liefert es eine aufgeschlüsselte Ansicht: Wo war die Abweichung am größten? Stunden oder Material? Welche Position war am weitesten daneben?

Schritt 3, Mustererkennung über mehrere Projekte: Hier kommt die KI ins Spiel. Nach einigen Monaten mit konsequenter Erfassung analysiert das System nicht mehr nur einzelne Projekte, sondern fragt: „Bei welchen Auftragstypen, Gewerken oder Kundenklassen ist die Abweichung am größten?” Das ist der Unterschied zwischen Schadensbegrenzung (dieses Projekt war zu teuer) und systematischer Verbesserung (alle Pflasteraufträge über 200 m² sind systematisch 15 Prozent unterkalkuliert).

Schritt 4, Empfehlungen für die Vorkalkulation: Ein KI-gestütztes System kann auf Basis der historischen Daten Vorschläge für korrigierte Stundenansätze liefern. “In deinen letzten 12 Pflasteraufträgen lag der tatsächliche Aufwand im Schnitt 18 Prozent über der Kalkulation. Dein aktueller Ansatz: 14 Minuten je m², Empfehlung basierend auf deinen Daten: 16,5 Minuten je m².”

Das ist keine Generative KI im engeren Sinn. Es ist strukturierte Datenanalyse, aber mit einem Aufwand, der ohne Automatisierung im Büroalltag nicht leistbar ist.

Die Datenqualitäts-Falle: Was muss vorher stimmen

Das ist der ehrlichste Abschnitt dieser Seite, und er ist der wichtigste.

Die häufigste Ursache, warum Nachkalkulations-Projekte scheitern: Die Daten, die das System analysieren soll, existieren nicht in der benötigten Form. Genauer gesagt: Sie existieren, aber nicht auf Projektebene.

In sehr vielen GaLaBau-Betrieben sieht die Realität so aus:

• Mitarbeitende tragen ihre Stunden am Ende des Tages oder der Woche auf Papier ein, manchmal auch digital, aber tagesweise, nicht projektbezogen
• Wer an drei Baustellen gleichzeitig arbeitet, schreibt oft pauschal “8 Stunden Baustelle”, nicht “3 Stunden Projekt Müller, 2 Stunden Projekt Schneider, 3 Stunden Projekt Schulze”
• Materialbewegungen werden auf Lieferscheinen dokumentiert, aber nicht immer dem richtigen Projekt zugebucht
• Maschinenzeiten (Bagger, Radlader, Kipper) werden oft gar nicht erfasst

Das Ergebnis: Im ERP stecken Stundensummen pro Person, aber keine verlässliche Zuordnung je Auftrag. Eine Nachkalkulation auf dieser Basis ergibt Unsinn.

Was das für dich bedeutet:
Bevor du in ein KI-Nachkalkulationssystem investierst, musst du sicherstellen, dass Zeiten und Materialien tatsächlich projektbezogen erfasst werden. Das ist keine technische Frage, das ist eine Führungs- und Prozessfrage.

Die gute Nachricht: Apps wie die DATAflor TIME-App oder die mobile Zeiterfassung von HERO Software lösen das technisch. Mitarbeitende buchen ihre Zeiten per Smartphone direkt auf den Auftrag. Der Widerstand dagegen ist oft anfänglich hoch (“schon wieder ein neues System”), legt sich aber innerhalb von 4–6 Wochen, wenn der Prozess klar ist.

Die Erfahrung aus der Praxis: Betriebe, die sauber per Auftrag erfassen, brauchen oft keine ausgefeilte KI-Analyse, der normale Soll-Ist-Vergleich im ERP zeigt bereits die wichtigsten Muster. Die KI-Schicht macht den Unterschied erst spürbar, wenn du über 30–40 historische Projekte verfügst und übergreifende Muster sehen willst.

Konkrete Werkzeuge, was wann passt

Die Werkzeug-Frage ist hier zweigeteilt: Erstens brauchst du ein ERP-System, das Nachkalkulation kann. Zweitens kannst du eine KI-Analyseschicht obendrauf legen.

DATAflor BUSINESS, für Betriebe, die eine GaLaBau-Branchenlösung wollen
Deutschlands meistgenutzte Branchensoftware für den Garten- und Landschaftsbau. Die integrierte Nachkalkulation zeigt Soll-Ist-Abweichungen bis auf Positionsebene, also nicht nur “Projekt war 20 Prozent teurer”, sondern “Position Erdarbeiten war 35 Prozent teurer, Position Pflanzung passte gut”. Die TIME-App für mobile Zeiterfassung ist direkt integriert. DATEV-Schnittstelle für die Lohnbuchhaltung ist vorhanden. Preis: auf Anfrage, individuell je Betriebsgröße. Passt wenn: Du noch kein ERP hast und eine vollständige GaLaBau-Branchenlösung suchst, die vom Angebot bis zur Nachkalkulation alles abdeckt.

HERO Software, für Betriebe, die eine moderne Cloud-Lösung bevorzugen
Über 31.000 Handwerksbetriebe im DACH-Raum nutzen HERO. Die Nachkalkulation basiert ebenfalls auf Soll-Ist-Vergleichen je Position. Der KI-Angebots-Agent, der historische Projektdaten für neue Angebote nutzt, ist als Zusatzmodul buchbar, genau das, was die Erkenntnisse aus der Nachkalkulation in bessere Vorkalkulation überführt. Core-Paket ab 69 €/Monat, KI-Modul auf Anfrage. Passt wenn: Du eine Cloud-first-Lösung mit aktiver Produktentwicklung und breiter Nutzerbasis suchst und GaLaBau-Spezialfeatures (GAEB, Pflanzenkatalog) weniger wichtig sind.

Julius AI oder ChatGPT als Analyselayer über Excel-Exports
Wenn du bereits ein ERP hast, das Soll-Ist-Daten exportieren kann (CSV, Excel), aber keine eigene Analysefunktion: Exportiere die Rohdaten und lass ein KI-Tool die Musteranalyse machen. Du lädst deine Projektabweichungen als Tabelle hoch und fragst: “Welche Auftragstypen haben konsistent die größten Abweichungen?” Das ist kein automatisiertes System, aber ein sofortiger Einstieg ohne weitere ERP-Investition. Passt wenn: Du bereits ERP-Daten hast und erst testen willst, ob Musteranalyse überhaupt Erkenntnisse liefert, bevor du in eine vollständige Lösung investierst.

MOCO, für Betriebe, die auch Projektmanagement und Rechnungsstellung vereinen wollen
MOCO ist kein GaLaBau-Spezialwerkzeug, eignet sich aber für Betriebe, die primär Planung und Beratung (weniger Ausführung) anbieten. Die Projektrentabilität ist in Echtzeit einsehbar, DATEV-Integration vorhanden. Ab 15 €/Nutzer/Monat. Passt wenn: Dein Betrieb stark auf Planung und Beratung ausgerichtet ist und du ein agnostisches Projektmanagement-Tool mit Abrechnungsfunktion suchst.

Zusammenfassung: Wann welcher Ansatz

• Noch kein ERP + GaLaBau-Vollbranchenlösung gesucht → DATAflor BUSINESS
• Bestehendes ERP + Cloud-first + KI-Angebots-Agent gewünscht → HERO Software
• ERP vorhanden + schneller Einstieg in Musteranalyse → Julius AI oder ChatGPT auf CSV-Export
• Planungs-/Beratungsbetrieb ohne starke Ausführungskomponente → MOCO

DATEV-Anbindung: Was wirklich verbunden werden kann

Die meisten kleinen GaLaBau-Betriebe arbeiten mit einem Steuerberater, der DATEV nutzt. Relevante Frage: Wie viel von der Nachkalkulation fließt dorthin?

Was fließt über DATEV: Die Lohnbuchhaltungsdaten, also die Lohnkosten je Mitarbeiter, kommen aus DATEV. Sowohl DATAflor als auch HERO Software haben DATEV-Schnittstellen, die gebuchte Stunden pro Mitarbeiter für die monatliche Lohnabrechnung übertragen. Das funktioniert.

Was nicht über DATEV fließt: Die Projektgewinnkennzahlen selbst liegen im ERP, nicht in DATEV. Dein Steuerberater sieht den Gesamtgewinn deines Betriebs, aber nicht, ob Projekt A 12 Prozent Marge hatte und Projekt B 2 Prozent. Das ist Controlling-Information, kein Buchhaltungsthema.

Die praktische Empfehlung: Exportiere die Nachkalkulations-Zusammenfassung (Soll/Ist je Auftrag, Abweichung in %, je Auftragstyp aggregiert) als Monatsbericht aus dem ERP. Nimm diesen Bericht in das nächste Steuerberatergespräch mit. Viele Steuerberater, die GaLaBau-Mandanten betreuen, können diesen Report in ihre betriebswirtschaftliche Auswertung einbauen und Jahresvergleiche herstellen. DATEV selbst ist dafür nicht der richtige Kanal, aber der Steuerberater als Gesprächspartner schon.

Datenschutz und Datenhaltung

GaLaBau-Betriebsdaten sind überwiegend keine personenbezogenen Daten im Sinne der DSGVO, Projektkosten, Stundensätze und Kalkulationen betreffen juristische Personen oder Betriebsinterna. Die relevanten DSGVO-Berührungspunkte entstehen jedoch an zwei Stellen:

Mitarbeiterdaten: Wenn Zeiterfassungsdaten von Mitarbeitenden in ein KI-System eingespielt werden, sind das personenbezogene Daten. Die Anforderungen nach Art. 88 DSGVO (Datenverarbeitung im Beschäftigungskontext) gelten, konkret bedeutet das: Die Mitarbeitenden müssen über die Zeiterfassung und deren Zweck informiert werden, ein Betriebsrat (falls vorhanden) muss eingebunden sein, und die Daten dürfen nur für vereinbarte Zwecke genutzt werden (Projektabrechnung, Lohnbuchhaltung, nicht z. B. Leistungsüberwachung im rechtlich unzulässigen Sinn).

Kundendaten: Projektbezeichnungen enthalten oft Kundennamen. Wenn diese in externe KI-Tools (Julius AI, ChatGPT) eingespielt werden, gilt die DSGVO. Empfehlung: Anonymisiere die Projektnamen beim Export (Projekt A, B, C statt “Müller Hannover” oder “Gemeinde Garbsen”) bevor du sie in Cloud-KI-Tools hochlädst.

Hosting je Tool:

• DATAflor BUSINESS, deutsches Unternehmen, deutsches Rechenzentrum, kein Drittlandtransfer
• HERO Software, EU-Hosting, DSGVO-konform
• MOCO, EU-Hosting (Deutschland), DSGVO-konform
• Julius AI, US-basiert, AVV erhältlich, aber Drittlandtransfer; für anonymisierte Exportdaten akzeptabel
• ChatGPT, US-basiert, für Betriebsdaten ohne Personenbezug nutzbar; keine echten Mitarbeiterdaten einspielen

Was es kostet, realistisch gerechnet

ERP-System (falls noch nicht vorhanden)
DATAflor BUSINESS: Preise auf Anfrage, typische Einrichtungskosten für einen Betrieb mit 10–25 Mitarbeitenden liegen nach Branchenberichten zwischen 3.000 und 8.000 Euro (Lizenz + Einrichtung + Schulung). Laufende Lizenzkosten nicht öffentlich.
HERO Software: ab 69 €/Monat (1 Büro + 1 mobiler User); für 5 mobile Nutzer typisch 150–200 €/Monat. KI-Angebotsmodul auf Anfrage.

Wenn du bereits ein ERP hast (und nur die Analyse-KI hinzufügst)
Julius AI: ab ca. 20 €/Monat, ausreichend für monatliche Musteranalyse auf CSV-Exports.
ChatGPT Pro: 20 USD/Monat, geeignet für Gelegenheitsanalysen; Advanced Data Analysis kann Tabellen direkt auswerten.

Einmalige Einrichtungskosten (Zeit)
ERP-Einführung inkl. Datenmigration und Schulung: 2–4 Wochen interne Beteiligung, ggf. externer Einrichtungspartner 2.000–5.000 Euro.
Prozessänderung Zeiterfassung: 4–6 Wochen bis alle Mitarbeitenden zuverlässig per Auftrag buchen.

Was dagegen steht
Ein Betrieb mit 800.000 Euro Jahresumsatz und aktuell 6 Prozent Nettomarge (= 48.000 Euro Ergebnis) verbessert bei 3 Prozentpunkten Margenverbesserung sein Ergebnis auf 72.000 Euro, ein Plus von 24.000 Euro jährlich. Selbst im konservativen Szenario (1,5 Prozentpunkte Verbesserung, was deutlich unter dem Branchendurchschnitt für aktiv nachkalkulierende Betriebe liegt) sind das 12.000 Euro jährlich. Damit amortisiert sich die Einrichtungsinvestition innerhalb des ersten Jahres.

Wie du den Nutzen tatsächlich misst
Schreibe vor dem Start die durchschnittliche Soll-/Ist-Abweichung je Auftragstyp auf, das ist die Baseline. Nach 12 Monaten konsequenter Nachkalkulation: Vergleich anstellen. Hat sich die Abweichung bei Pflasteraufträgen verringert? Wurden Stundenansätze angepasst? Ist die Nettomarge gestiegen? Das ist kein theoretisches Kalkül, sondern ein direkter Vorher-Nachher-Vergleich.

Drei typische Einstiegsfehler

1. Das ERP einführen, die Zeiterfassung aber nicht ändern.
Der häufigste Fehler: Ein neues ERP-System wird eingeführt, aber Mitarbeitende tragen Stunden nach wie vor tagesweise oder wochenweise ein, nicht auftragsgebunden. Das ERP hat zwar eine Nachkalkulations-Funktion, aber die liefert wegen schlechter Eingangsdaten unbrauchbare Ergebnisse. Manchmal dauert es ein Jahr, bis auffällt, dass alle Projektmargen in der Software falsch sind, nicht weil das System schlecht ist, sondern weil die Zeiterfassung nie umgestellt wurde. Das Projekt “ERP-Einführung” gilt als abgeschlossen, das eigentliche Problem besteht weiter. Lösung: Die Umstellung der Zeiterfassung auf Auftragsbuchung ist ein eigenständiges Projekt, plane dafür 4–6 Wochen aktives Change-Management ein, nicht drei Klicks in der Systemkonfiguration.

2. Die Nachkalkulation nur bei Problemfällen machen.
Das klingt nach Pragmatismus, ist aber der direkte Weg in die Selektionsverzerrung: Wenn du nur die offensichtlich schlechten Projekte nachkalkulierst, weißt du, was schiefgelaufen ist, aber nicht, ob es ein Muster ist oder ein Einzelfall. Und du siehst nicht, welche Auftragstypen konsistent knapp positiv sind und sich mit kleinen Korrekturen deutlich verbessern würden. Automatische Nachkalkulation für alle Projekte, auch die unauffälligen, ist die Voraussetzung für echte Mustererkennung.

3. Die Erkenntnisse nicht in die Vorkalkulation zurückführen.
Das ist der unsichtbare Fehler, weil er erst nach Monaten auffällt. Das System zeigt zuverlässig: “Pflasteraufträge sind im Schnitt 18 Prozent zu knapp kalkuliert.” Was dann passiert: nichts. Die Zahlen stehen im Bericht, aber niemand passt den Standard-Stundenansatz für Pflasterarbeiten im ERP an. Im nächsten Jahr sind Pflasteraufträge wieder 18 Prozent zu knapp. Erkenntnisse aus der Nachkalkulation müssen einen direkten Weg in die Stammdaten der Vorkalkulation haben, wer ist dafür zuständig, wann passiert die Anpassung, welches Kriterium löst sie aus? Diese Frage muss vor dem ersten Analysebericht beantwortet sein.

Was mit der Einführung wirklich passiert, und was nicht

Der häufigste Widerstand kommt nicht aus dem Büro, sondern von den Mitarbeitenden auf der Baustelle: “Jetzt sollen wir auch noch Stunden per App eingeben.”

Das ist keine Faulheit, das ist eine legitime Reaktion auf noch mehr Verwaltungsaufwand an einem Job, der schon körperlich fordernd ist. Erfolgreiche Einführungen gehen damit konstruktiv um:

Was hilft: Die erste Erklärung kommt vom Chef persönlich, nicht aus einer E-Mail. “Wir machen das, weil ich verstehen will, wo wir wirklich Geld verdienen, damit ich faire Aufträge raus gebe und keine Mitarbeitenden für Projekte einsetze, die wir schon im Keim verlieren.” Das ist ein Satz, den Mitarbeitende verstehen. Eine Anweisung von der Buchhaltung versteht keiner.

Was nicht hilft: Die Zeiterfassung als Überwachungsinstrument kommunizieren. “Wir prüfen damit, ob ihr eure Stunden auch wirklich auf der richtigen Baustelle seid” erzeugt Misstrauen und Boykott. Die Zeiterfassung ist für die Kalkulation, für nichts anderes.

Was konkret passiert: In den ersten 2–3 Wochen werden Zeiten unzuverlässig oder gar nicht eingetragen. Das ist normal. Dann braucht es ein bis zwei persönliche Gespräche mit den Kolonnenführern, eine klare Erwartung (was muss bis wann eingegeben sein) und ein konkretes Beispiel, was mit den Daten gemacht wird. Nach 4–6 Wochen ist die Hürde in den meisten Betrieben überwunden.

Was nicht passiert: Das System macht Kalkulationsfehler nicht automatisch rückgängig. Es zeigt Muster, ob diese Muster dann in bessere Stundenansätze übersetzt werden, ist eine Führungsentscheidung. Das System ist ein Spiegel, kein Steuermann.

Realistischer Zeitplan mit Risikohinweisen

Hinweis: Der Zeitplan setzt voraus, dass bereits ein ERP eingeführt wird. Wer bereits ein ERP hat und nur die KI-Analyselayer hinzufügt (CSV-Export + Julius AI), kann Phasen 1 und 2 überspringen und ist in 2–4 Wochen einsatzbereit.

Häufige Einwände, und was dahintersteckt

„Dafür haben wir keine Zeit.”
Der Einwand ist verständlich, dreht aber die Kausalität um. Weil du keine Zeit hast nachzukalkulieren, wiederholst du Fehler. Weil du Fehler wiederholst, verlierst du Marge. Weil du Marge verlierst, hast du keinen Puffer. Und keinen Puffer zu haben ist genau das, was keine Zeit macht. Der Einstieg mit Julius AI oder ChatGPT auf CSV-Exports kostet weniger als eine Stunde monatlich, das ist der erste Schritt, bevor du in ein vollständiges System investierst.

„Wir haben schon ein ERP, aber die Nachkalkulation nutzt keiner.”
Das ist kein ERP-Problem, das ist ein Prozess-Problem. Die Funktion ist da, aber niemand hat definiert: Wer macht die Nachkalkulation, wann, für welche Projekte, und was passiert mit den Ergebnissen? Ohne diese vier Fragen beantwortet zu haben, bringt auch die beste KI nichts. Fang damit an, sie zu beantworten.

„Unsere Projekte sind alle individuell, Muster gibt es da nicht.”
Das sagen fast alle GaLaBau-Betriebe. Die Erfahrung zeigt: Sobald du 20–30 Projekte nachkalkuliert hast, sind Muster sichtbar. Nicht weil alle Projekte gleich sind, sondern weil die Fehlerquellen systematisch sind: Erdarbeiten werden unterschätzt, weil Bodenverhältnisse schwer vorherzusagen sind. Abtransport von Schnittgut dauert immer länger als geplant. Maschinenstandzeiten werden nie eingerechnet. Diese Muster sind betriebsspezifisch, aber sie existieren.

Woran du merkst, dass das zu dir passt

• Du hast am Jahresende das Gefühl, mehr gearbeitet als verdient zu haben, aber kannst nicht benennen, welche Projektkategorie das Problem ist
• Deine Vorkalkulation basiert auf Erfahrungswerten, nicht auf Zahlen aus echten abgeschlossenen Projekten
• Du machst Nachkalkulationen manuell, oder gar nicht, weil der Aufwand zu groß ist
• Mindestens 20 abgeschlossene Projekte pro Jahr, für die du Stunden und Materialkosten grundsätzlich erfasst hast
• Du hast oder willst ein ERP-System, das Soll- und Ist-Daten je Auftrag verwaltet

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Zeiterfassung existiert nicht auf Projektebene. Wer Stunden täglich pauschal einträgt (“Montag 8 Stunden, Dienstag 8 Stunden”) ohne Auftragszuordnung, hat keine Datengrundlage für Nachkalkulation. Hier ist der erste Schritt nicht ein KI-System, sondern die Einführung auftragsbezogener Zeiterfassung, das ist ein Prozess- und Führungsthema, das 4–8 Wochen aktiver Arbeit erfordert, bevor irgendeine Software helfen kann.

2. Unter 15 Projekte pro Jahr oder Betrieb mit weniger als 5 Mitarbeitenden. Die Mustererkennung braucht Datenmenge. Mit 8–12 Projekten jährlich siehst du keine statistisch belastbaren Muster. Hier reicht eine Excel-Tabelle mit manuellen Einträgen nach jedem Projekt. Die Einrichtungskosten für ein vollständiges System sind nicht gerechtfertigt.

3. Alle Projektdaten in Excel-Tabellen oder auf Papier, kein ERP. Ohne strukturierte Datenbasis ist ein KI-System ein Anhängsel ohne Fundament. Wer in Excel kalkuliert, muss zuerst ein ERP einführen, das ist eine eigene Entscheidung mit eigenem Aufwand. Die Automatisierung der Nachkalkulation ist dann Schritt zwei, nicht Schritt eins.

Das kannst du heute noch tun

Mach ein ehrliches Experiment, kostenlos, in 45 Minuten, ohne System-Einführung:

Hol dir die letzten fünf abgeschlossenen Projekte und ermittle für jedes: geplante Stunden vs. tatsächlich verwendete Stunden (aus Stundenzetteln). Trag die Zahlen in eine einfache Tabelle ein. Wo ist die Abweichung am größten?

Wenn du für diese fünf Projekte keine verlässlichen Ist-Stunden ermitteln kannst, weil die Stunden nicht projektbezogen erfasst wurden, hast du die wichtigste Erkenntnis schon: Das ist das Problem. Nicht die fehlende KI.

Wenn du verlässliche Zahlen hast: Lade die Tabelle in Julius AI oder nutze diesen Prompt direkt in ChatGPT oder Claude:

Quellen & Methodik

• BGL Statistik 2024, Branchengesamtumsatz und Beschäftigte: Bundesverband Garten-, Landschafts- und Sportplatzbau e. V. (BGL), „GaLaBau-Statistik 2024”, veröffentlicht Januar 2025. Umsatz 10,65 Mrd. Euro, 131.166 Beschäftigte (galabau.de/galabau_statistik).
• Marge 3–8 Prozentpunkte Verbesserung durch konsequente Nachkalkulation: Erfahrungswert aus Praxisberichten der GaLaBau-Betriebsberatung; ähnliche Angaben finden sich bei Schöpfer & Frei GmbH (schoepfer-frei.ch/nachkalkulation-im-galabau) und im Betriebsberatungsangebot des BGL. Keine kontrollierte Studie, Indikativwert aus der Branchenpraxis.
• 2–5 Prozent Umsatzverlust durch fehlende Dokumentation: Erfahrungswert aus der GaLaBau-Betriebsberatungspraxis; konsistent in mehreren deutschen und schweizerischen Branchenquellen beschrieben.
• „Guter Auftrag, gute Preise, dennoch kein Gewinn”: Rechtsanwalt Rainer Schilling, NEUE LANDSCHAFT (neuelandschaft.de), GaLaBau und Recht.
• DATAflor BUSINESS Nachkalkulations-Funktionen: DATAflor AG, Produktseite Nachkalkulation (dataflor.de/galabau/produkte/nachkalkulation/), Stand Mai 2026. Positionsbezogene Soll-Ist-Auswertung, TIME-App für mobile Zeiterfassung, DATEV-Schnittstelle.
• HERO Software, Preisangabe und Funktionen: hero-software.de, Stand April 2026 (69 €/Monat Core-Paket), bestätigt in Produktstub ki-syndikat.de/tools/hero-software/.
• Zeiterfassungs-Effizienz (10–20 Min./Tag je Mitarbeiter): openHandwerk-Praxisbericht (openhandwerk.de/blog/galabau-software), digitale Zeiterfassung vs. Papier.
• Lohnkostenanteil ca. 30 Prozent: Hortipendium, „Lohnkostenkalkulation im GaLaBau” (hortipendium.de/Lohnkostenkalkulation_im_GaLaBau).

Du willst wissen, ob und wie sich die Nachkalkulation für deinen konkreten Betrieb lohnt, welches System passt, und was du in den nächsten vier Wochen tun kannst? Meld dich für ein kurzes Gespräch.